近日，安徽师范大学地理与旅游学院麻金继教授研究团队，联合德克萨斯大学达拉斯分校等科研单位在能源强度研究中取得新进展，相关研究成果“City-level total and sub-category energy intensity estimation using machine learning”发表于测绘遥感领域权威期刊《International Journal of Digital Earth》（中科院一区，IF= 3.7，期刊分类A5）。沈非副教授为第一作者，麻金继教授为通讯作者，安徽师范大学为第一完成单位。研究在国家自然科学基金项目（42271372）资助下完成。

能源强度（单位GDP能耗）是衡量能源利用效率的重要指标。受限于现有能源强度统计体系，相关研究多停留在国家和省级宏观尺度，不仅存在数据时效性差、空间分辨率不足的突出问题，更缺乏对煤炭、石油、天然气等细分能源品种使用强度的精准测算。本研究基于DMSP/VIIRS传感器定标后的夜间灯光数据，结合OMI、MODIS等遥感传感器获取的SO₂、NO₂、PM_2.5等大气污染物浓度数据，构建了城市层面的能源消费特征指标体系。通过深度神经网络（DNN）建模，首次实现了中国城市尺度上总能源强度以及煤炭、石油、天然气等主要能源品种强度的空间化高精度估算。研究结果不仅拓展了能源强度估算的空间分辨率和能源类型细分维度，也为精细化能源管理与城市级差异化减排政策制定提供了科学依据。

本研究是在研究团队以往夜间灯光数据定标（Constructing a New Inter-Calibration Method for DMSP-OLS and NPP-VIIRS Nighttime Light）和“自上而下”能源强度估算（Building a top-down method based on machine learning for evaluating energy intensity at a fine scale）研究基础上的进一步拓展和深入。

论文链接： https://doi.org/10.1080/17538947.2025.2463947；https://doi.org/10.1016/j.energy.2022.124505；https://doi.org/10.3390/rs12060937.